基于数据挖掘技术的电子商务推荐系统与实现

《基于数据挖掘技术的电子商务推荐系统与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中山大学硕士学位论文基于数据挖掘技术的电子商务推荐系统与实现姓名：张锋申请学位级别：硕士专业：计算机应用技术指导教师：常会友2003.5.20中山人学顾I。学位论文基于数据挖掘技术的电子商务推荐系统研究与实现摘要＼无论在工业界还是学术界，数据挖掘和电子商务都是一个很热门的研究方向。两者的结合更是吸引了为数不少的学者，作为计算机应用研究的一个热点，它们巨大的经济价值也已经在实际应用中得到体现[SKR99】[SKR01】。数据挖掘技术在电子商务中的应用主要可以分成三大类：网上商品推荐，个性化网页和自适应网站。

2、电子商务推荐系统用于电子商务网站，向顾客推荐商品或者给顾客提供信息以帮助他们决定购买何种商品。电子商务推荐系统在数据挖掘技术出现前就已经存在，但把数据挖掘技术应用到网上商品推荐中，能给推荐系统带来更加强大的学习能力和更高质量的推荐效果。jJ、本文在研读了大量相关文献的基础上，对数据挖掘和电子商务推荐系统的相关技术和发展状况进行了分析；并在学习了己见报道的相应推荐系统的技术实现的优缺点基础上，提出了我们自己的设计和实现。我们的设计思想主要体现在三方面第一，我们把规则以及规则的重要性度量预先做好，也就是说脱机

3、做好，存在一个规则库旱面。性进行推荐的时候直接在规则库里面去寻找要推荐的商品。碰到找不到充足的满跫条件的推荐结果的情况时，我们可以咨询其它的备用信息来解决，而不是象[FBH00]那样实时地在交易数据库中以降低支持度阀值来找出足够的规则生成推荐，这样整个推荐的响应时间实质就是一个查询时间，并不需要任何的联机数据挖掘处理，性能得到大大提高。士／第二，传统的基于关联规则的推荐系统是忽视了序列规则的作用的。基于协同过滤技术推荐系统本质特征是通过学习顾客的购买行为，从而进行推荐。f从这一点上来看，纯粹基于关联规则的

4、推荐系统实质上是属于协同过滤技术这一类别的。序列规则当然反映了顾客的购买行为特征，也反映顾客购买的商品之间的关联性，所以它的重要性勿庸置疑。而且基于关联规则推荐系统的一个缺点就是规则可能不能涵盖足够的商品数量，就是说这种规则揭示的商品之间关联性虽然是可靠的，但“信息量”可能是不够大的，会导致有些顾客感兴趣的有关联的商品可能不会得到推荐，这个时候序列规则揭示的商品之间的关联性无疑是一个重要的补充信息。土。，第三，以前的基于关联规则的电子商务推荐系统没有充分考虑网站数据的实际情况和系统的通用性问题。我们注意到

5、了这方面的问题，我们的设计目标之一是可以快速友好地和不同的电子商务网站结合。基于以上的思想，我们设计并在实验室条件下实现了一个基于关联规则和序列规则的有着良好适应性的电子商务推荐系统AsRS(AssociationrulesandSequentialrulesbasedRecommendationSystem)。本文详细描述了ASRS的设计思想、系统架构和推荐策略，并和其它类似系统进行了比较。侯验结果表明，它能够提供更加完整的推荐结果，并且有着良好的推荐性能。1一、关键字：数据挖掘；电子商务；推荐系统；序

6、列规则；关联规则中山大学硕I一学位论文基于数据挖掘技术的电子商务推荐系统研究与实现AbstractDataminingandelectroniccommercearebothhotresearchdirectionsinbothindustrialcirclesandacademiccircles．Themergingofthetwodirectionshasalsoattractednotafewscholars．Ascutting—edgecomputerapplicationresearchdire

7、ctions，theyhavealsoshownUStheirhugeeconomicpotentialsinactualapplications[SKR99][SKROI]．TheapplicationsofdataminingtechnologiesinelectroniccommerceCanbeclassifiedintothreecategories：oniinecommoditiesrecommendation，personalizedwebpageandadaptivewebsite．Ele

8、ctroniccommercerecommendationsystemhasbeeninexistencebeforethecomingforthofdataminingtechnologies，butdataminingtechnologieshaveendoweditwithmorepowerfullearningcapabilitiesandbetterrecommendationresults．Wehaveexamin